DeepMind WeatherNext, 사이클론 예보를 하루 앞당겼어요

DeepMind WeatherNext, 사이클론 예보를 하루 앞당겼어요

AI 뉴스 썸네일

Google DeepMind의 WeatherNext Cyclones가 사이클론의 경로와 강도, 바람 구조를 한 모델에서 예측해요. 3일 전에 낸 예보가 기존 모델의 2일 전 예보와 비슷한 정확도를 기록하면서, 현장에는 24시간 넘는 준비 시간이 더 생길 수 있어요. 1

핵심 요약

구분	핵심	왜 볼만한가요
예측 정확도	3일 예보가 기존 2일 예보와 비슷한 정확도를 냈어요	대피와 시설 보호를 하루 일찍 준비할 여지가 생겨요
모델 구조	경로·강도·바람 구조를 하나의 AI 모델로 계산해요	전 지구 모델과 국지 모델을 따로 쓰던 간극을 줄였어요
계산 효율	TPU에서 15일 예측 하나를 1분 안에 만들어요	폭풍마다 1,000개 시나리오를 빠르게 비교할 수 있어요
공개 범위	코드와 모델 가중치, 소형 모델을 공개했어요	연구 기관이 지역별 예보와 후속 연구에 활용할 수 있어요

1. 사이클론의 경로와 강도를 한 모델에서 예측해요

사이클론 예보에는 서로 다른 두 문제가 섞여 있어요. 이동 경로는 넓은 대기 흐름의 영향을 받지만, 강도는 폭풍 중심부의 작고 복잡한 열역학 과정에 좌우돼요. 기존에는 경로용 전 지구 모델과 강도용 고해상도 국지 모델을 나눠 쓰는 경우가 많았어요.

728x90

WeatherNext Cyclones는 전 지구 대기 자료와 전문가가 정리한 사이클론 관측을 함께 학습했어요. DeepMind가 밝힌 학습 자료는 약 20TB의 대기 데이터와 약 5,000개 과거 폭풍을 담은 IBTrACS 기록이에요. 연구진은 이 모델이 2023~2024년 사이클론 평가에서 경로와 강도, 바람 구조를 함께 예측하며 주요 비교 모델보다 하루 넘는 선행 시간을 확보했다고 설명해요. 2

고해상도만이 답은 아니었어요

강한 폭풍을 정확히 예측하려면 아주 촘촘한 공간 해상도가 필요하다는 설명이 오랫동안 통용됐어요. WeatherNext Cyclones는 28×28km 해상도 자료로 작동해요. DeepMind에 따르면 이는 전통적인 모델보다 100배 거친 수준이에요. 단일 TPU에서 실행할 수 있는 WeatherNext 2-mini는 111×111km 자료도 사용해요.

낮은 해상도에서 이런 결과가 나온 이유는 아직 충분히 밝혀지지 않았어요. 연구진도 이를 후속 연구가 필요한 문제로 남겼어요. 모델 성능 수치와 실제 작동 원리를 구분해서 볼 필요가 있어요. 3

1,000개 시나리오로 불확실성을 보여줘요

기상 예보는 하나의 경로를 맞히는 문제로 끝나지 않아요. 폭풍이 갑자기 강해지거나 예상과 다른 곳에 상륙할 확률도 함께 살펴야 해요. WeatherNext는 Functional Generative Networks를 이용해 여러 가능한 미래를 만들어요. 15일 예측 하나는 TPU에서 1분 안에 생성하고, 사이클론마다 1,000개 시나리오를 계산해 드문 급격한 강화 가능성도 비교해요.

2025년 허리케인 Melissa 때는 미국 국립허리케인센터가 WeatherNext 예측을 참고했어요. DeepMind는 모델이 급격한 강화와 자메이카 상륙을 예측해 조기 경보와 현장 준비에 도움을 줬다고 밝혔어요. 다만 공식 예보와 경보는 각 국가의 기상 기관이 내려요. AI 모델은 예보관의 의사결정을 돕는 자료로 쓰여요. 2

코드와 가중치도 공개했어요

DeepMind는 WeatherNext Cyclones와 WeatherNext 2의 코드와 모델 가중치를 공개했어요. 단일 TPU에서 돌릴 수 있는 WeatherNext 2-mini와 Colab 예제도 제공해요. 연구 기관과 비영리단체는 공개 저장소를 바탕으로 지역별 모델이나 극한 기상 연구를 이어갈 수 있어요. 최신 예측은 Weather Lab에서 시각적으로 확인할 수 있어요. 4

왜 중요한가요

예보 정확도가 하루 앞당겨지면 재난 대응의 선택지가 달라져요. 지방정부와 기상 기관은 대피 안내, 항만 폐쇄, 의료 인력 배치, 전력 시설 보호를 더 일찍 검토할 수 있어요. 사이클론이 지난 50년 동안 전 세계에서 70만 명 넘는 사망자와 1조 4,000억 달러의 손실을 낳았다는 DeepMind의 집계를 보면, 24시간은 단순한 모델 점수 차이가 아니에요. 2

이번 결과는 AI 기상 모델의 계산 효율도 보여줘요. 한 번의 단정적인 예측보다 1,000개의 확률 시나리오를 빠르게 만들어 예보관이 위험 범위를 비교하도록 도와요. 코드와 가중치가 공개돼 독립 연구진이 성능과 한계를 검증할 통로도 생겼어요. 실제 재난 대응에서는 지역 관측망, 공식 기상 기관의 분석, 현장 판단을 함께 써야 해요.

참고 자료

1. DeepMind WeatherNext, 사이클론 예측 정확도를 하루 앞당김 — GeekNews
2. WeatherNext: AI model achieves breakthrough in forecasting cyclones — Google DeepMind
3. Probabilistic weather forecasting with machine learning — Nature
4. google-deepmind/weathernext — GitHub